Tren Teknologi

Mengulas inovasi terbaru, peningkatan protokol, solusi cross-chain, dan mekanisme keamanan dalam ekosistem blockchain. Ini memberikan perspektif yang berfokus pada pengembang untuk menganalisis tren teknologi yang muncul dan potensi terobosan.

Li Kaifu dan Wang Xiaochuan Berbalik Arah, Babak Pertama Bisnis Model Besar Berakhir

Perubahan baru-baru ini pada Li Kaifu dan Wang Xiaochuan menandai pergeseran penting dalam lanskap startup AI China. Li Kaifu, melalui perusahaan Zero One Things, kini beralih fokus dari mengejar AGI dan model umum ke aplikasi, agen AI, dan komersialisasi. Target baru mereka adalah menjadi perusahaan AI 2.0 pertama yang profitable di China pada 2026, dengan pesanan kumulatif mencapai lebih dari 15 miliar yuan. Sementara itu, Wang Xiaochuan dengan Baichuan AI mengalihkan sumber daya inti ke bidang vertikal seperti kesehatan, meluncurkan model medis M4 dan produk dokter keluarga AI. Langkah ini adalah penyesuaian strategis setelah menyadari kesenjangan dengan model dasar AS dan berakhirnya红利 pelatihan awal. Industri model besar China memasuki fase baru. Berbeda dengan awal "Perang Ratusan Model" 2023 yang penuh idealisme, kini terlihat bahwa persaingan ini lebih mirip "perang industri berat" yang ditentukan oleh GPU, daya komputasi, data, modal, dan biaya inferensi. Investasi raksasa teknologi AS (lebih dari $7250 miliar pada 2026) dan perusahaan China seperti ByteDance dan Alibaba menciptakan tekanan besar pada startup. Dari enam startup unggulan awal ("AI Six Tigers"), kini mereka menempuh jalur berbeda: beberapa seperti Zhipu dan MiniMax telah IPO dengan fokus pada model umum; Baichuan dan Zero One beralih ke vertikal/spesialisasi; DeepSeek mengambil jalur open-source. Perubahan ini mencerminkan kematangan industri. China mulai menerima bahwa keunggulannya terletak pada penerapan, skenario, kemampuan rekayasa, dan kecepatan komersialisasi—bukan pada model dasar. Pergeseran dari mengejar "model terkuat" ke "nilai komersial nyata" menandai berakhirnya fase idealisme dan awal babak baru yang lebih realistis dalam bisnis AI China.

marsbit2 hari yang lalu 01:34

Li Kaifu dan Wang Xiaochuan Berbalik Arah, Babak Pertama Bisnis Model Besar Berakhir

marsbit2 hari yang lalu 01:34

Perang Anggaran Token: AI Perusahaan Masuk ke 'Era Perhitungan'

Perang Anggaran Token: AI Perusahaan Masuki 'Era Pertanggungjawaban Biaya' Dua tahun terakhir, banyak perusahaan mendorong penggunaan AI untuk mengikuti tren. Namun, kini CEO dan CFO mulai mempertanyakan nilai riil dari setiap dolar yang dihabiskan untuk token AI. Perdebatan tentang anggaran token intinya bukan sekadar memotong tagihan, tetapi menilai ulang alokasi sumber daya kecerdasan. Fase pertama AI perusahaan membuktikan bahwa model dapat menyelesaikan pekerjaan. Fase berikutnya akan menentukan: pekerjaan mana yang benar-benar layak dibayar? Biaya inferensi AI kini menjadi biaya operasional berkelanjutan, bukan lagi anggaran eksperimen. Tagihan token yang tinggi bisa mencerminkan pekerjaan nyata, tetapi juga bisa berarti pemborosan karena prompt yang buruk, konteks yang tidak relevan, atau pemilihan model yang berlebihan. Utilitas token marjinal—nilai bisnis yang diciptakan per dolar tambahan biaya inferensi—menjadi angka kunci namun sulit dilihat. Penyebabnya antara lain ekor panjang percobaan ulang (retry), inflasi konteks yang meningkatkan biaya secara kuadratik, dan perutean yang tidak efisien ke model termahal. AI mengubah logika SaaS. Penggunaan SaaS mengindikasikan adopsi perangkat lunak, sementara penggunaan AI hanya menunjukkan "meteran berjalan", tanpa jaminan nilai. Perusahaan membutuhkan lapisan atribusi yang menghubungkan biaya token dengan hasil bisnis, seperti biaya per tiket layanan yang diselesaikan atau per klaim yang diproses. Mereka yang menguasai atribusi dari token ke hasil akan mengendalikan alokasi anggaran AI: alur kerja mana yang pantas mendapat daya komputasi lebih, mana yang harus dialihkan ke model lebih murah, atau mana yang tetap ditangani manusia. Ini adalah inti dari perang anggaran token dan masa depan AI perusahaan yang matang.

marsbit05/28 12:16

Perang Anggaran Token: AI Perusahaan Masuk ke 'Era Perhitungan'

marsbit05/28 12:16

Analisis Mendalam tentang Rantai Industri "Koneksi Optik": Kendala Infrastruktur AI yang Tersembunyi di Balik Kemilau GPU

**Ringkasan Podcast: "Jaringan Optik untuk AI: Hambatan Infrastruktur yang Tersembunyi di Balik GPU"** Ketika kluster AI tumbuh hingga ribuan GPU, kemampuan untuk mentransfer data di antara GPU menjadi penghambat utama, bahkan lebih penting daripada kekuatan komputasi GPU itu sendiri. Artikel ini membahas mengapa **koneksi optik** (light interconnect) menjadi komponen kritis dan langka dalam infrastruktur AI. **Mengapa Tembaga Digantikan?** Kabel tembaga telah mencapai batas fisik: bandwidth terbatas, sinyal melemah pada jarak beberapa meter, dan boros daya. Serat optik menawarkan bandwidth puluhan kali lebih tinggi, jarak lebih jauh, dan konsumsi daya minimal. **Apa itu Modul Optik?** Modul optik bertindak sebagai "penerjemah" antara sinyal listrik dari GPU dan sinyal cahaya di dalam serat optik, terutama untuk komunikasi **antar-rak** server. Komponen utamanya meliputi chip laser (bahan InP/GaAs), modulator, detektor, chip DSP (silikon), dan lensa. **Revolusi CPO (Co-Packaged Optics)** Teknologi masa depan, **CPO**, merevolusi arsitektur dengan menempatkan komponen optik (dalam chip silikon khusus/SiPh) di dalam kemasan yang sama dengan chip GPU/switch, mengurangi jarak dan meningkatkan efisiensi. CPO menciptakan pasar baru untuk laser eksternal, wafer SOI, dan foundry SiPh. **Rantai Pasokan & Peluang Investasi** Rantai pasokan sangat terspesialisasi: * **Hulu:** Substrat InP (AXTI), epiwafer (IQE), substrat SOI (Soitec). * **Inti:** Produsen laser & modul (LITE, COHR, SIVE, AAOI), foundry khusus (TSEM untuk SiPh, Win Semi untuk InP). * **Hilir:** Chip DSP & switch (AVGO, MRVL), serat optik (GLW). Strategi investasi dapat disesuaikan dengan profil risiko: * **Konservatif:** Perusahaan besar dengan eksposur beragam (AVGO, MRVL, GLW). * **Seimbang:** Pemain kunci dengan eksposur langsung (COHR, LITE, TSEM). * **Agresif:** Perusahaan kecil di titik bottleneck dengan elastisitas tinggi (SIVE, AAOI, Soitec, AXTI, IQE). **Kesimpulan Utama:** 1. Permintaan koneksi optik untuk pusat data AI adalah nyata, mendesak, dan terkait langsung dengan volume GPU. 2. **CPO** adalah penggerak pertumbuhan terbesar di masa depan, berpotensi membuka pasar bernilai ratusan miliar dolar. 3. Peluang investasi terletak pada mengidentifikasi **titik bottleneck** dalam rantai pasokan yang terspesialisasi ini.

marsbit05/28 11:19

Analisis Mendalam tentang Rantai Industri "Koneksi Optik": Kendala Infrastruktur AI yang Tersembunyi di Balik Kemilau GPU

marsbit05/28 11:19

Angin 'AI Proaktif' Bertiup ke Silicon Valley, Hark Raup Pendanaan US$700 Juta

Sebuah perusahaan rintisan AI bernama Hark, yang didirikan akhir 2025 dan belum meluncurkan produk, berhasil mengumpulkan pendanaan Seri A senilai $7 miliar dengan valuasi mencapai $60 miliar. Pendanaan ini dipimpin Parkway Venture Capital dan didukung raksasa teknologi seperti NVIDIA, AMD Ventures, Intel Capital, Qualcomm Ventures, dan Salesforce Ventures. Hark bertujuan menciptakan antarmuka manusia-komputer generasi baru melalui kombinasi "model dasar buatan sendiri + perangkat keras khusus". Sistem ini dirancang sebagai perangkat keras asli AI yang dilengkapi model suara ujung-ke-ujung, kemampuan memori yang sangat personal, dan kemampuan multimodal untuk interaksi alami. Pendiri Hark, Brett Adcock, sebelumnya mendirikan Archer dan Figure (perusahaan robot humanoid). Timnya merekrut talenta dari Apple, Meta, Google, Tesla, dan lab AI terkemuka. Artikel ini menekankan tren pergeseran AI dari sekadar alat "pasif" di layar menjadi "asisten aktif" di dunia nyata melalui perangkat keras asli AI. Perangkat seperti ini memerlukan kemajuan simultan dalam model dasar, sistem operasi agen, memori personalisasi, dan terminal perangkat keras. Perusahaan rintisan China dinilai memiliki keunggulan dalam bidang ini karena ekosistem manufaktur yang lengkap (misalnya di Shenzhen), pasar aplikasi yang besar, dan dukungan kebijakan pemerintah yang menetapkan AI sebagai prioritas strategis. Contohnya termasuk Looki (perangkat wearable multimodal) dan LightSail Tech (sistem operasi AI untuk perangkat keras dan headphone AI dengan persepsi visual).

marsbit05/28 10:24

Angin 'AI Proaktif' Bertiup ke Silicon Valley, Hark Raup Pendanaan US$700 Juta

marsbit05/28 10:24

Base MCP, Langkah Selanjutnya dari X402

Kemarin, Base secara resmi meluncurkan Base MCP. Dengan menghubungkan Base Account ke AI Agent melalui Base MCP, pengguna dapat memberi perintah secara percakapan untuk melakukan Swap, transfer, pelacakan posisi, pengecekan riwayat transaksi, dan lainnya. Bagi Base, fokus utamanya saat ini adalah AI. Namun, di balik ini terdapat persaingan yang lebih besar di bidang pembayaran Agent-to-Agent. Pada tahun 2024, opsi pembayaran untuk AI Agent tidak aman. Pada 2025, Coinbase memperkenalkan x402, memberikan dompet kripto kepada Agent. Pesaing seperti Google (AP2) dan Visa (Intelligent Commerce) juga masuk. Hingga kini, x402 telah memproses 176 juta transaksi dari AI Agent dengan total nilai $70 juta. 98.6%-nya diselesaikan dengan USDC. Transaksi ini didominasi oleh pembayaran mikro (median $0.01-$0.10, 76% di bawah $0.30). Di sinilah stablecoin dan blockchain (biaya settlement Base: $0.0001) unggul dibandingkan pembayaran tradisional (biaya tetap ~$0.30). Dalam persaingan pembayaran kripto untuk Agent, Coinbase kini menghadapi tantangan serius dari Stripe, yang baru meluncurkan protokol MPP. Keduanya memiliki infrastruktur lengkap: lapisan settlement (Base vs Tempo), dompet (Agent Wallet vs Privy), routing (internal vs Bridge), dan protokol (x402 vs MPP). Oleh karena itu, AI menjadi garis utama Base bukan hanya untuk para degen, tetapi untuk memperluas skenario pembayaran Agent, memastikan lebih banyak transaksi Agent terjadi di Base. Tujuannya adalah membentuk keunggulan skala sebelum pembayaran Agent masuk ke ranah komersial yang lebih luas. Peluncuran Base MCP adalah langkah kecil dalam ambisi besar Coinbase ini.

marsbit05/28 08:27

Base MCP, Langkah Selanjutnya dari X402

marsbit05/28 08:27

AI Skill Layout Grafik Xiaohongshu Ini Menemukan Jalan Keluar untuk Menghindari Labelisasi AI dalam Pembuatan Konten

Pada Februari 2026, Xiaohongshu mewajibkan konten hasil sintesis AI diberi label. Untuk menghindari deteksi model identifikasi AI platform yang menganalisis pola piksel, sebuah proyek open-source bernama **guizang-social-card-skill** mengambil pendekatan teknis alternatif. Alat ini tidak menggunakan model AI untuk menghasilkan gambar, melainkan mengandalkan render HTML+CSS dengan mesin Playwright, menggunakan foto stok dari Unsplash atau Pexels, dan gambar peta nyata dari OpenStreetMap. Skill ini menawarkan 28 templat tata letak dalam dua gaya visual (Editorial dan Swiss). AI (seperti Claude Code) bertugas memilih templat, menentukan posisi teks, dan menyiapkan parameter peta, kemudian menghasilkan kode HTML+CSS untuk dirender menjadi gambar PNG dengan ukuran khusus untuk Xiaohongshu dan WeChat. Strategi ini berusaha menghindari deteksi dengan memastikan piksel akhir tidak berasal dari model generatif seperti Midjourney, melainkan dari proses render browser dan foto asli. Namun, keamanan jangka panjangnya bergantung pada bagaimana platform mendefinisikan "konten sintesis AI". Jika definisi diperluas ke "output render yang dirancang berbantuan AI", pendekatan ini mungkin kehilangan keunggulannya. Artikel tersebut membandingkan tiga rute teknis utama: **generasi gambar langsung oleh model AI** (risiko deteksi tinggi), **render mesin templat via API** (risiko dianggap produksi massal), dan **render HTML berbantuan AI** (jalan tengah saat ini). Skill ini paling cocok untuk konten perjalanan yang membutuhkan peta dan struktur informasi yang jelas, tetapi kurang fleksibel untuk konten seperti fashion atau makeup yang mengandalkan estetika personal dan kolase bebas. Intinya, ini merupakan bagian dari iterasi perlombaan senjata antara alat AI kreatif dan kebijakan platform. Masa depan pendekatan render HTML bergantung pada evolusi model deteksi Xiaohongshu dan penekanan platform pada "bantuan AI" versus "penggantian AI" untuk produksi massal berkualitas rendah.

marsbit05/28 07:05

AI Skill Layout Grafik Xiaohongshu Ini Menemukan Jalan Keluar untuk Menghindari Labelisasi AI dalam Pembuatan Konten

marsbit05/28 07:05

OpenAI dan Anthropic Bisa Saja Membacakan Sutra yang Salah

Selama setahun terakhir, "Sistem Multi-Agen (MAS)" menjadi salah satu arah paling populer di dunia AI. Namun, ada dua jalur pemikiran yang sangat berbeda. **Jalur Pertama: MAS Tipe "Harness" (Pengendalian)** Ini adalah pendekatan MAS yang kini mendominasi. Intinya adalah "banyak peran AI berkolaborasi menyelesaikan tugas". Misalnya, satu Agen menulis kode, satu menguji, satu merencanakan, dan seterusnya. Mereka berbagi konteks dan tujuan, dijadwalkan secara terpusat, tetapi tidak memiliki identitas jangka panjang, kepentingan, atau kedaulatan yang nyata. Pada dasarnya, ini lebih mirip mesin alur kerja (workflow engine) yang canggih. Agen di sini berfungsi seperti alat atau fungsi yang dapat dipanggil untuk meningkatkan efisiensi tugas tunggal. Fokusnya adalah pada rekayasa prompt, manajemen konteks, perutean tugas, dan pemanggilan alat—masih merupakan masalah rekayasa perangkat lunak. **Jalur Kedua: Sistem Agen Asli-Protokol (Protocol-Native)** Jalur ini kurang dibicarakan tetapi radikal. Fokusnya bergeser dari banyak agen menyelesaikan tugas menjadi **setiap individu memiliki Agen Pribadi (Personal Agent) atau perusahaan otomatis (unmanned company) miliknya sendiri**. Agen menjadi milik pribadi yang melekat pada identitas seseorang, bukan hanya instance untuk satu tugas. Ia memiliki memori jangka panjang, identitas berkelanjutan, preferensi, sumber daya, wewenang, jaringan hubungan, dan batas kepentingan. Singkatnya, ia menjadi entitas mandiri yang mewakili Anda. Perubahan ini menggeser filosofi sistem secara total. Ketika banyak Agen mandiri dengan tujuan, model dunia, dan kepentingan berbeda perlu berinteraksi, mereka tidak dapat lagi bergantung pada prompt, alur kerja, atau konteks bersama yang sama. Sebaliknya, mereka harus berkolaborasi melalui **protokol (protocol)**. Protokol di masa depan tidak hanya mendefinisikan komunikasi dan komputasi, tetapi juga koordinasi, wewenang, insentif, identitas, dan hubungan kelembagaan. Ini akan menjadi dasar bagi "masyarakat digital" di mana protokol berfungsi sebagai organisasi (Protocol as Organization). Tantangan terbesar di masa depan bukan lagi sekadar kemampuan reasoning atau eksekusi agen, tetapi bagaimana entitas otonom dengan nilai dan tujuan berbeda dapat berkolaborasi secara berkelanjutan. Ontologi dan protokol semantik akan menjadi kunci. Bahkan, "perusahaan" di masa depan mungkin bukan organisasi manusia lagi, melainkan aliansi dinamis dari berbagai Agen Pribadi (seperti AI CFO, AI Lawyer) yang diikat oleh protokol. Inilah visi menuju peradaban asli-kecerdasan (intelligent-native civilization).

marsbit05/28 05:34

OpenAI dan Anthropic Bisa Saja Membacakan Sutra yang Salah

marsbit05/28 05:34

活动图片